说明：双击或选中下面任意单词，将显示该词的音标、读音、翻译等；选中中文或多个词，将显示翻译。
您的位置：首页 -> 词典 -> 3D-Sobel算子
1)  3D-Sobel operator
3D-Sobel算子
2)  sobel operator
sobel算子
1.
Improved Sobel operator based on mechanism of cells in primary visual cortex of cat.;
一种基于猫视皮层细胞机制的改进的Sobel算子
2.
An improved edge detection method with Sobel operator in high-energy flash X-ray radiography
高能闪光照相中Sobel算子的边缘检测方法
3.
An Image Sharpening Method Based on Anti-Heat Conduction Equations and Sobel operator
基于反热传导方程与Sobel算子的图像锐化方法
3)  sobel
Sobel算子
1.
Study on MITK-based Medical Image Sobel Edge Detection;
基于MITK的医学图像Sobel算子边缘检测研究
2.
A new scheme for image edge detection based on data fusion is presented in this paper,which detects the edge of original image with DWT(discrete wavelet transformation) and Sobel respectively,and produces a new image by fusing the two results above.
提出一种基于数据融合的图像边缘检测算法,利用改进的Sobel算子和离散小波变换提取边缘,然后将两种方法的检测结果进行数据融合,合成一幅新的边缘图像。
4)  sobel algorithm
Sobel算子
1.
The characteristics of four kinds of normal edge detective algorithms are analyzed and compared in this paper,on the basis of which a new kind of image edge detective approach is presented with an aim at the existing weak points in LOG algorithm and in selecting the proper threshold method to combine Sobel algorithm with LOG algorithm.
在此基础上,针对LOG算子存在的一些缺点,运用选取阈值的方法,将Sobel算子和LOG算子结合起来,提出了一种新的图像边缘检测方法。
5)  Sobel operator
Sobel 算子
6)  Sobel-Zernike moments operator
Sobel-Zernike矩算子
1.
Sobel-Zernike moments operator has some advantages of both runtime and location accuracy.
针对影响Sobel-Zernike矩算子运行速度、定位精度的有关因素进行了讨论。
补充资料：Sobel算子

在边沿检测中，常用的一种模板是sobel 算子。sobel 算子有两个，一个是检测水平边沿的 ；另一个是检测垂直平边沿的 。与 和 相比，sobel算子对于象素的位置的影响做了加权，因此效果更好。

sobel算子另一种形式是各向同性sobel(isotropic sobel)算子，也有两个，一个是检测水平边沿的 ，另一个是检测垂直平边沿的 。各向同性sobel算子和普通sobel算子相比，它的位置加权系数更为准确，在检测不同方向的边沿时梯度的幅度一致。由于建筑物图像的特殊性，我们可以发现，处理该类型图像轮廓时，并不需要对梯度方向进行运算，所以程序并没有给出各向同性sobel算子的处理方法。

由于sobel算子是滤波算子的形式，用于提取边缘，可以利用快速卷积函数， 简单有效，因此应用广泛。美中不足的是，sobel算子并没有将图像的主体与背景严格地区分开来，换言之就是sobel算子没有基于图像灰度进行处理，由于sobel算子没有严格地模拟人的视觉生理特征，所以提取的图像轮廓有时并不能令人满意。 在观测一幅图像的时候，我们往往首先注意的是图像与背景不同的部分，正是这个部分将主体突出显示，基于该理论，我们给出了下面阈值化轮廓提取算法，该算法已在数学上证明当像素点满足正态分布时所求解是最优的。

.net代码如下

for(times=0;times<128&&ithreshold!=inewthreshold;times++)

{

ithreshold=inewthreshold;

lp1=0;

lp2=0;

ls1=0;

ls2=0;

for(i=imingray;i<ithreshold;i++)

{

lp1+=histogram*i;

ls1+=histogram<i>;

}

imean1gray=lp1/ls1;

for(i=ithreshold;i<imaxgray;i++)

{

lp2+=histogram<i>*i;

ls2+=histogram<i>;

}

imean2gray=lp2/ls2;

inewthreshold=(imean1gray+imean2gray)/2;

}

说明：补充资料仅用于学习参考，请勿用于其它任何用途。
参考词条